陈 光，蒋同海，王 蒙，唐新余，季文飞

1.中国科学院 新疆理化技术研究所，乌鲁木齐830011

2.中国科学院大学，北京100049

3.新疆民族语音语言信息处理实验室，乌鲁木齐830011

4.江苏中科西北星信息科技有限公司，江苏 无锡214135

知识图谱是由具有属性的实体通过关系边进行连接而形成的图型数据结构[1-2]，其中图的节点代表实体（Individual）或者概念（Concept），而图的边代表实体或者概念之间的关系（Property）。知识图谱的本质是一种揭示实体之间关系的语义网络，是对现实世界的事物及其相互关系进行结构化描述而形成的知识库[1-2]。在人工智能领域，知识图谱逐渐成为知识表示、知识链接和机器认知的重要手段，在智能搜索、机器翻译、机器理解、自然语言问答中发挥着重要作用[2]，并在大数据风控、推荐系统、金融以及教育等领域应用中得到了广泛应用[1，3]。

知识图谱技术经历了语义网络、描述逻辑和本体论以及开放链接数据[4]等发展阶段。当前主流的知识图谱表达方式[3]是由W3C 制定的基于资源描述框架RDF[5]（Resource Description Framework）的网络本体语言OWL[6]（Web Ontology Language）。由于知识图谱能够提供高质量的结构化知识数据，因此成为了人工智能应用的基石。但由于大部分的开放知识图谱，例如Freebase[7]和DBPedia[8]等，都是由人工或者使用半自动的方式构建的，导致这些图谱中的实体关系通常比较稀疏，大量实体之间的关系没有被充分的挖掘出来。因此，对知识图谱中的实体及其关系进行知识补全，从而发现潜在的知识，丰富和扩大知识图谱的知识含量是知识图谱的一个重要研究方向。……